本站原创摘 要：随着计算理论的发展,图像匹配技术已成为计算机视觉领域中一项极为基本和重要的内容.本文采用序贯相似性检测算法对图像进行匹配, 通过对误差的积累进行分析,从而实现图像匹配.实验表明,采用序贯相似性检测算法的图像匹配能够有效提高运算时间,匹配效果良好.
关 键 词 ：序贯相似性检测算法 图像匹配 计算机视觉
中图分类号：TN911 文献标识码：A 文章编号：1672-3791（2013）06（c）-0205-01
图像匹配最早是70年代美国从事飞行器辅助导航系统,武器投射系统的制导等应用研究中提出的.国内外学者对匹配辅助导航技术进行深入研究,使其在民用领域的应用越来越广泛[1,2].计算机视觉计算主要分为低层处理、中层处理和高层处理,而在低层进行数字化差异检测、中层进行参数化相似分析,高层处理完成图像的识别、解释和描述等任务,都需要图像匹配技术[3].序贯相似性检测算法（SSDA）能够快速地丢弃非匹配点,减少非匹配点的计算量,从而提高匹配的速度,算法简单,易于实现.
1.序贯相似性检测算法
序贯相似性检测算法的基本思想是基于对误差的积累进行分析.在进行图像匹配时,通常非匹配点处的误差ε会随着运算点数的增加而迅速增长,很快超过某一门限,而对于匹配点处,误差的增长要缓慢得多.这样对于大多数非匹配点,只需要分析前几项,而只有匹配点附近的点才需要计算整个循环,这样就大大地减少了匹配的运算量.
设源图像S的大小为J×K,模板图T的大小为M×N（其中M≤J,N≤K）,模板覆盖的区域子图为,（p,q）为模板左上角像素点在图像S中的坐标,S中的待匹配区域是以点（p,q）,（p,q+M-1）,（p+N-1,q）,（p+N-1,q+M-1）组成的区域.相对于参考点位置为（m,n）点的匹配误差定义为：
其中k等于1,2,等r.将累计误差值与预定阈值进行比较,当累加值超过设定阈值Tk时,就停止累加计算,并记下累加次数k.计算下一个待匹配点处的误差,若累计误差小于预定阈值,则继续计算此处的误差,直到>Tk或k等于r,记下k值.对不同的待匹配点进行上述匹配计算,最后取最大k值对应的待匹配点位置,即为要找的匹配点.
2.实验结果与分析
图1显示了基准图与实时图像,图1（a）为基准图像,大小为256×256,图1（b）为实时图,大小为65×65.图1（c）找到了实时图像在基准图中的位置.
由图1可以看出,SSDA算法能够良好地进行匹配.而通过对匹配时间的计算可以看出,SSDA算法的运行时间相对较短,效率较高.